第四章 壽險業之因應對策
第二節 導入策略
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
83
其典型後續理賠支出的機率。
2. 申請人詳細的分析，包括病史，家庭人口結構和生活方式，可以推估 申請人在本次事故後長期健康發展上的問題概率。在此分析的基礎上，
疾病管理師可以及時地被分配與該申請人，提供未來適當的治療處 方。
分析的目的是快速、準確的檢測出離群值~未來有巨大支出可能性的理 賠~而且是可以預防或減輕整體理賠的可能性。例如一家保險公司已建立了 新一代預測模型，用於識別這些離群值的理賠，該計劃最初使用了近 150 萬個數據點。好處是在於透過模式識別和優化理賠處理流程，進而更早、
更精確的檢測到這些離群值，適時提供後續健康管理服務，而降低了 2％至 3％的理賠成本。 (Brat, Heydorn, Stover, & Ziegler, 2013)
第二節 導入策略
顯然在壽險業一些大數據應用已經開始。不過，最佳的結果不會出現 在一夜之間。壽險公司必須成功導入大數據解決方案，為他們的公司獲得 成功，本研究茲就目前已成功導入的壽險業或他種產業整理說明怎樣的導 入策略是可以遵循的：
辨識高價值機會 一、
設立資料長 (Chief Data Officer；CDO)並組織分析團隊
（一）
大數據與其分析策略的結合(一致性)最好事先完成，但是在許多公司，
這牽涉到組織在資料和分析資料使用上的成熟度。有越來越多公司開始成 立分析團隊，而通常由首席資料長(CDO)帶領並擬定大數據策略以反應整 體商業目標，並與其他「C」字頭的高階主管們緊密合作，讓願景得以實踐。
這樣的模式是否個產業都適用呢? 各產業並非生而平等，一些產業的 分析是崁入在決策流程中，如銀行業、保險業及物流業等，這些產業往往
‧
(Davenport, Data Scientist The Sexiest Job of the 21st Century, 2012)。表 四-1 如何找到適合的資料科學家
(Davenport, Data Scientist The Sexiest Job of the 21st Century, 2012) 1 若要找人才，可至「通常人才濟濟」的大學以及其他幾所素質優良的學校。
59根據調查機構羅恆科技（Robert Half Technology）2014 年調查，擔任大數據分析的演算 法科學家與分析師，在美國去年薪水成長超過 7％，是 IT 業前五大加薪幅度高的工作，
年薪超過 15 萬美元（約新台幣 450 萬元）大有人在。主要原因，就是人才太少，各家 企業紛紛重金挖角。 (林士蕙, 2014)
‧
6 在Kaggle或TopCoder等分析和程式撰寫競賽網站辦比賽，並留意那些深具創意的 參賽者。60
(Swete & Wilson, 2014)
1. 溝通能力(communication with key executives)
資料長提供組織內包括關鍵管理人員的許多人有價值的資訊。因此，
資料長必須理解與管理人員溝通的重要性。而資料長與其執行團隊間的溝 通要能夠驅動資料分析的價值，也要確保及闡述資料管理方案的好處。再 者，要有衡量標準，以彰顯目前資料管理的成熟度。
2. 識別資料所有權的價值(recognizes the value of data ownership)
對於那些希望被視為產業領導者的公司而言，資料是有用的，認識到
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
86
用數據來進行商品的加工。對業務而言，優先考慮哪些關鍵數據元素是最 重要的。
3. 發展數據管理策略 (develop a data management strategy)
組織必須遵循取得成功的最佳做法。如果組織理解其數據，並組織相 關委員會以協助使數據管理落實成為文化的一部分時，是可以立即獲得數 據管理策略的成果。數據管理策略應該包括兼顧組織進攻性和防禦性兩者 的計劃，以確保有一個正式而有條不紊的路線圖，同時扮演的防守和進攻 的方法，因為單純的防守只會讓組織離成功越遠。
4. 與各部門間良好的合作模式(bridge the communication gap between different departments)
一個良好的營運參與模式可以透過很多種方式來幫助企業。這種模式 能夠促進不同部門，尤其是組織地理位置相對遙遠之間的合作。重要的是，
每個人都清楚知道自己的角色和責任，使他們能夠專注於正確的資料元素，
並適時正確地回饋給正確的蒐集機制(或系統)，然後數據團隊就可以透過與 應用程序所有者的合作取得正確的資料，進一步剖析和分析數據。
在臺灣，要找到一個十全十美的資料科學家來主持分析作業，可能是 一個難以達成的夢想61，所以透過組成資料科學家團隊的方式來達到目的可 能比較務實。而一個資料科學家團隊可以包含：該業務領域的專家、資料 科學工程師（Data Science Engineer）、統計學家或分析師，這三種人員當中，
如果其中有人能夠逐漸掌握到其他兩部分的專業時，就可以升格了。事實 上，目前如果企業要找到上述三種人，可能連資料科學工程師都很難找到，
但這職務所需的能力，還有機會透過一些教育訓練的機構，例如資策會來
61 中研院資訊科學研究所副研究員陳昇瑋估計，臺灣也許只有百位資料科學家的規模。但 是若以廣義的資料分析師來看，臺灣至少有 2、3 千人，在各領域從事企業資料分析、報 表分析或輔助決策的工作。因為有經驗的人非常難找，也難怪他評估，臺灣資料科學家的 年薪「起薪」約 100～150 萬元左右。 (王宏仁, 2014)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
87
養成，但如果是統計學家和分析師，則較難培養，因為對於資料的洞察力、
對數字的敏感度，可能除了後天的努力之外，還需要一點天份。
因此保險業欲切入資料科學應用的方式，可以是先培養資料科學工程 師。而除了直接找已經受訓的人來擔任該項職務，另一種養成資料科學工 程師的方法，是可以先將管理資料庫系統的工程師轉型成資料科學工程師，
但他的工作不是管資料庫系統，而是管「資料」，資料來源、存放方式、如 何取出，都由這樣的角色來全盤監督控管，而且這些資料要夠「大」，等到 他駕輕就熟之後，若能再往視覺化分析應用延伸，懂得去解釋所看到的分 析結果，就已經相當不錯了。
發展企業以大數據為基礎的成長策略
（二）
在一項調查中發現，具有前瞻性思維的壽險公司都透過以大數據為基 礎的成長策略，來克服內外部的挑戰。有些是利用大數據和高級分析，以 改善業務流程，拓展新的市場，從而產生顯著收入和利潤。而其他人則是 長期與客戶建立信任關係。這些壽險公司都提供以換取個人資料的客戶主 動提供有價值的新的或改進的產品和服務。而這些新產品除了可幫助客戶 改善他們的健康，也可以提供保險給那些被認為是高風險或肯花費昂貴被 服務的顧客。 (Brat, Clark, Mehrotra, Stange, & Boyer-chammard, 2014)
以大數據為基礎的成長策略有兩個維度：「客戶關係的強度」和「進入 新市場的擴張程度」。第一個維度允許公司透過銷售更多的產品，每一個現 有的客戶端，並通過增加忠誠度的增長。第二個方面推動增長，擴大了客 戶群，即透過銷售給新客戶。（詳圖 四-7），
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
88
圖 四-7 壽險公司利用大數據的四種成長策略 (Brat, Clark, Mehrotra, Stange, & Boyer-chammard, 2014)
在世界各地一些領先的壽險公司目前正在研究這些方法，一些公司已 開始轉變其經營方式。
1. 加強業務流程(Enhancing Business Processes)：
大數據和先進的分析工具和技術已經顯著提高運營績效。例如有些公 司已經產生的就保率(placement rates；衡量有多少人在開始申請流程後購買 保單的指標)增加了 5 到 15 個百分點。而其他公司已經降低了其流程處理 時間從幾週到幾個小時。
在核保上，一些保險公司透過現有分析模型更多有關大數據的變量來 提高在核保過程中的風險評估。例如英傑華(Aviva)做了一項研究，希望在 審查保戶資料時，能用信用紀錄及消費行為做為指標，取代體檢、驗血驗 尿的過程，而且仍然能找出那些有高血壓、糖尿病或憂鬱症高風險的保戶 (詳圖 四-8)，2010 年底英傑華的預測模型成功地取代昂貴的和不方便的醫 療檢查。體檢驗本送檢要花上每人 125 美元，而純從資料來判斷大約只要 花 5 美元左右 (Mayer-Schonberger & Cukier, 大數據, 2013)，除大幅降低危 險選擇的成本外，也增進成交的可能性。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
89
圖 四-8 Aviva 核保預測模型考量因子示意圖
(Scism & Maremont, Insurers Test Data Profiles to Identify Risky Clients, 2010)
在業務通路上，公司透過開發預測模型來識別、選擇和留住最優秀的 業 務 代 表 。 公 司 這 些 指 標 以 近 乎 即 時 的 監 控 ， 如 早 期 的 客 戶 退 保 率 (customer-lapse rates)，資訊揭露率(disclosure rates)~業務員能夠從投保者上 獲得有多少資訊，及平均保單規模大小。他們也設計激勵機制在這些基本 指標上，以利將績效朝正確的方向移動。更重要的是，他們提供業務人員 先進的輔銷工具。例如，美國萬通金融集團已開發出移動應用程式，可以 知道誰是最有可能購買保單的客戶。而這系統在 18 個月已增加了成交率 5
％。
最後，在市場行銷上，企業正在使用先進的分析技術，建構更好的客 戶購買產品和客戶流失風險模型。這些公司也加強其領先地位與資格。在 亞洲的一個全球性的保險公司從其合作夥伴零售銀行的數據中透過預測模
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
90
型創造了銷售的新展望。保險公司的高級演算法分析了客戶以前購買保險，
年齡，性別，收入，資產，以及與公司關係的時間長短，這些資料彙編成 數百萬深具高潛力購買人壽保險的清單。該公司預計這個新的來源，在未 來將佔合適潛在顧客總數的 10~15％，成為超越傳統飽和市場的重要成長 來源。
2. 增加市場滲透 (Increasing Market Penetration).
一些公司正在藉由大數據支撐之更精簡，更快速的核保流程開拓新的 市場。他們甚至自動化核保流程以降低成本。這使得保險公司和中介機構 得以有利可圖方式服務於新的細分市場。
舉個例子，企業有時在猶豫如何銷售給中端市場(在美國經常被定義為 家庭年收入 3.5 萬美元至 10 萬美元)。這樣的保單在傳統上被認為核保上太 費時，他們所賺的佣金也太低。然而，中端市場的年度潛在保費是數十億 美元，並可作為銷售其他金融產品(如年金)的橋樑。而自動化核保和分銷流
舉個例子，企業有時在猶豫如何銷售給中端市場(在美國經常被定義為 家庭年收入 3.5 萬美元至 10 萬美元)。這樣的保單在傳統上被認為核保上太 費時，他們所賺的佣金也太低。然而，中端市場的年度潛在保費是數十億 美元，並可作為銷售其他金融產品(如年金)的橋樑。而自動化核保和分銷流